機械学習エンジニアの境界を破る3ストローク
OpenCVの学校 昨日
およそ1791語の本論文では、読書は5分程度かかります。
データ収集システムは、テキストの末尾を参照してください。
キーワード：人工知能、機械学習、深い学習、数学、研究の推奨
01.機械学習技術者の境界は何されていますか？
物事のほとんどが制限されています。境界を学習そのマシンは、それは何ですか？
はい、それは数学です。基礎となる数学的な機械学習の習得、アルゴリズムの理解を深め、だけでなく、より多くのモデルの最適化の段階で安心しないだけ。
02.どのように境界線を破るには？
私は、次の参照コンテンツのアイデアを与えることができることを望みます。
• 機械学習の数学的基礎
この方法をお勧めします。実用的な意義や関心が可能サイケの最低限必要な知識な限り学習後、一見退屈を与えられました。
図は、男性に適しの子であるかどうかを決定するために、ロジスティック回帰を用いた例です。
ここで、Y = W1 *身長+ W2 *文字+ W3 *富+ W4 *色値+ W5 *は、多項式Y = W1 * X1 + W2 * X2 + W3 * X3 + W4 * X4 + W5 * 5のように表すことができます。シグモイド関数の採択後、男の子は義理の未解決の問題の可能性のために変換することができます。
ここではそれが必要とするシグモイド関数導出アルゴリズム、勾配降下を、オーバーフィッティングを制御するための鍵である数学の知識が。この問題を解決するために問題を抱えている、サイケの重要なポイントは、それだけでは数学の知識の海に、行き止まりにドリルではないでしょう。
•機械学習線形代数
線形代数と実用的な意義を組み合わせてみてください：方法が推奨されます
線形代数と現実世界の巧妙なカップリングの理解：線形代数のために、それは理解と機械学習への鍵であるです。
X上の図は、Y次元は二つのことが観察されて表すことができます。
異なる意見のものの二次元多くのことを線形結合手段の数が多いY各々がX、
これらのビューは、機械、誘導、控除、および個々のビューの多数の組み合わせによって計算普遍的な結論に到達するバランスのほとんどとラインから引き出されます。素敵なイベントが巧妙なものを結合していることではありません -
•統計的機械学習の確率
この方法が推奨されます：知識と理解を組み合わせることが興味のある統計的確率一見無味トピックを試してみてください
隠れマルコフ（HMM）は、機械学習、研究だけでなく、多くのアルゴリズムの就職の面接の難しさで確率的グラフィカルモデルアルゴリズムです。王はほとんどこんにゃくから知っている、それは明らかにゲームのシーンに隠されたマルコフ（HMM）アルゴリズムの原理を説明します。
https://www.zhihu.com/question/20962240/answer/33614574（リンク）
私は、3つの戦いの形を練習し、兵士だった激怒状態、正常な状態と防衛状態でした。一般的なフラットAと同時に、私も3パッシブスキル、クリティカル（ダブル攻撃ダメージ）、吸血鬼（ライフ）。
怒り状態にある確率Iショットクリティカルは、プレイ吸血鬼の確率が5％、80％であった。
平衡形状で、クリティカルの割合は30％で、ヒット吸血鬼の確率は20％であり、
防衛形式では、クリティカル5％の成功確率は、60％の確率を吸血鬼。
要約すると、異なる状態の戦士の確率は同じではありませんスキルを再生することができます。
もともと、この怒り状態でのキャリアの兵士、赤ハロー周りに円があるだろう。時の状態防衛、ブルーハロー周りがあるでしょう。しかし、今、私はバグのうち、突然ゲーム、ゲームをプレイしている：ゲームのコードを変更するには、愚かなXのプログラマがありますが、彼が崩壊して書いた、とオーラの周りからの兵士たちは見ることができません。私はバーストどのような状態のノウハウで足の兵士のオーラを通して見ることができませんでした。
今の質問がされていることを言って：あなたはオーラの足を見ていないので、私は唯一の爆発を述べるものの中に、「戦士」を推定することができます。しかし、今、私は上司の戦い、8は血液が順番に急いで、クリティカルを発見された10回、カットタイムアウトすると、あなたはどのような状態で最も可能性の高い私の兵士は、バーストいると思いますか？
だから、興味の難解な話題確率の問題を理解するために、それは非常に簡単です。
